Sumários
Aula 8
9 Abril 2025, 19:30 • Rodrigo Vieira de Assis
Análise de Componentes Principais (ACP)
- Explicação do conceito de uniqueness (1 – comunalidade);
- Apresentação de guidelines para estes resultados;
- Interpretação das componentes: Leitura da matriz dos loadings;
- Apresentação de guidelines para identificar o valor a partir do qual os loadings são considerados "significativos".
Rotação das componentes:
- Vantagens da rotação distinção entre rotação ortogonal e rotação oblíqua;
- Especificação de que a rotação não altera a % de variância explicada.
Aula 7
9 Abril 2025, 18:00 • Rodrigo Vieira de Assis
Análise de Componentes Principais (ACP)
- Apresentação de diversos critérios de extração das componentes principais:- Critério de Kaiser;
- Critério do scree plot;
- Critério da variância explicada
- Critério parallel analysis;
- Critério a priori.
Aula 5
2 Abril 2025, 19:30 • Rodrigo Vieira de Assis
Redução da multidimensionalidade
- Redução da multidimensionalidade: apresentação de uma aplicação;
- Identificação das dimensões e dos itens;
- Lógica da redução da multidimensionalidade;
- O uso de um método de análise multivariada para identificar grupos de itens mais correlacionados;
- Medição da consistência da medida como requisito para a construção de variáveis compósitas;
- Discussão sobre as características das variáveis a serem escolhidas nas bases de dados para serem alvo de redução.
Aula 6
2 Abril 2025, 18:00 • Rodrigo Vieira de Assis
Introdução à Análise de Componentes Principais (ACP)
- Definição da Análise de Componentes Principais: método multivariado de análise fatorial e método de interdependência;
- Objetivo (I) da ACP: compreensão da estrutura das relações entre variáveis e identificação de dimensões latentes;
- Objetivo (II) da ACP: redução da informação, através da constituição de novas variáveis (p<m);
- Requisitos para a realização de uma ACP: natureza das variáveis, número de casos por item/variável de input e existência de multicolinearidade;
- Teste de Bartlett: significado de matriz de correlações ser uma matriz identidade, especificação das hipóteses estatísticas, critério de rejeição da H0 e tomada de decisão (referência ao erro de 5%);
- Estatística de KMO para avaliar a adequabilidade da matriz de correlação (MSA overall e MSA para cada variável);
- Guidelines para a leitura do KMO.
Aula 4
26 Março 2025, 19:30 • Rodrigo Vieira de Assis
Exploração de artigo com aplicação de ACP e RLM (II)
- Ainda com base no artigo de Maqbool et al. (2017), foram apresentado e discutida a lógica da redução e implementação de um método de análise multivariada que permite identificar grupos de itens mais correlacionados e daí partir para a medição da consistência da medida.
- Foram, por fim, discutidas as características que as variáveis escolhidas nas bases de dados devem possuir a fim de permitirem ser alvo de redução.